深度学习笔记-SKNet

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 608平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄10年

关注

转载最新推荐文章于 2026-06-12 09:39:25 发布 608 阅读 AI 写同款· GEO 优化 ›

论文翻译：Attentional Feature Fusion A Spatial-Temporal Attention Model for Human Trajectory Prediction摘要1 引言2 Related Work3 Method4 Performance Analysis5 Conclusion Human Trajectory Prediction) 注意力特征融合作者：Yimian Dai1 Fabian Gieseke2,3 Stefan Oehmcke3 Yiquan Wu1 Kobus Barnard4 论文地址：WACV2021 阅读详情

记录一个关于SKNet的解释，SKNet的图解清晰，结合代码看，更容易理解。

地址：https://www.jianshu.com/p/20552b8da40d

收录于

深度学习

当前文章被收录于：

深度学习

6 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#python #深度学习 #SKNet

原文链接：https://www.jianshu.com/p/20552b8da40d>

SKNet、空间注意力介绍阅读详情

相关推荐

【论文解读】SKNet网络（自适应调整感受野尺寸）

Selective Kernel Networks 论文：https://arxiv.org/abs/1903.06586 代码：https://github.com/implus/SKNet 摘要在标准卷积神经网络（CNN）中，每层中人工神经元的感受野被设计成共享相同的大小。在神经科学界众所周知，视觉皮层神经元的感受野大小受到刺激的调节，这在构建CNN时很少被考虑。我们在CNN中提出了一种动态...

weixin_39592328的博客 4850

【深度学习注意力机制系列】—— SKNet注意力机制（附pytorch实现）

SKNet是一种创新的深度神经网络架构，通过引入选择性的多尺度卷积核和注意力机制，提升了特征提取的能力。其核心结构包括选择模块和SK卷积层，能够有效地融合多尺度信息、自适应地调整卷积核的尺度，并减少计算成本。这使得SKNet在图像分类和目标检测等任务中取得了优越的性能。

qq_43456016的博客 1万+

SKNet笔记

论文地址：https://arxiv.org/abs/1903.06586 代码地址：https://github.com/implus/SKNet Selective Kernel Networks（SKNet）发表在CVPR 2019，SKNet是SENet的加强版，结合了SE opetator、Merge-and-Run Mappings以及attention on inception block的产物。名为SK模块, 可以自适应调节自身的感受野。之前的SENet是对特征图的通道..

jacke121的专栏 2936

SKNet论文

论文连接：Selective Kernel Networks code:pytorch代码 SENet主要受神经学的启发，视觉皮层中神经元可以根据不同的刺激动态的调整自身的RF（receptive field，感受野）。其实在之前的很多网络中都采用了多个不同大小kernel，然后将他们提取到的特征进行融合，比如Inception采用了3×33 \times 33×3, 5×55 \times 55...

Dream_xd的博客 1069

SKNet讲解

视皮层神经元的感受野大小受刺激的调节，即对不同刺激，卷积核的大小应该不同，但在构建CNN时一般在同一层只采用一种卷积核，很少考虑因图片大小不同采用不同卷积核。于是提出了SKNet。在SKNet中，不同大小的感受视野（卷积核）对于不同尺度的目标会有不同的效果。尽管在Inception中使用多个卷积核来适应不同尺度图像，但是卷积核权重相同，参数就是被计算好的了。而SKNet对不同输入使用的卷积核感受野不同，参数权重也不同，可以根据输入大小自适应的进行处理。

走在深度学习前沿的小宋 3298

SKNet-PyTorch:SKNet的PyTorch实现近乎完美且易于理解

SKNet-Pytorch 近乎完美且易于理解的PyTorch实现我使用PyTorch重新实现了SKNET。尽管有许多SKNET的PyTorch实现，但是它们与原始论文中描述的实现不同，并且我很难理解它们的实现。所以我做了。选择性核卷积请参阅以了解选择性内核卷积的实现参考论文：论文：资料库：资料库：存储库：待办事项清单使用Resnet-18在CIFAR100上进行实验

SKNet：下一代轻量级神经网络框架

SKNet：下一代轻量级神经网络框架是一个专为高效、灵活和易用设计的深度学习框架。它的目标是提供一种简单的方式来构建复杂的神经网络模型，尤其适合嵌入式设备或资源有限的环境。本文将从技术角度深入探讨SKNet的特点、优势以及可能的应用场景。技术分析设计理念 SKNet的核心设计理念是简洁与高效。它采用了模块化的架构，允许开发者轻松地组合不同层以创建自定义模型。此外，SKNet专注于低功耗设备上...

gitblog_00006的博客 758

MATLAB并行开不了的解决办法

在服务器上新安装了MATLAB 2013b,在开并行计算的时候出现了下列问题经过在网上搜多这个问题，我感觉这个问题应该是安装的时候的验证问题或者激活不成功之类的。注意其中有一句validate the profile ‘local’ in the Cluster Profile Manager.在matlab官网上找到了设置Cluster Manager的教程，如下 parallel>

sinat_36713319的博客 5987

sklearn和tensorflow的理解

深度神经网络(DNN)是一种多层无监督神经网络，并且将上一层的输出特征作为下一层的输入进行特征学习，通过逐层特征映射后，将现有空间样本的特征映射到另一个特征空间，以此来学习对现有输入具有更好的特征表达。每一层之前是完全连接的，整体上看是复杂的，但从局部来看，实质上还是感知机模型。，比如选择特征、压缩维度、转换格式，是传统机器学习库，SKLearn中，因为做了上层的封装，分类模型、回归模型、聚类与降维模型、预处理器等等都叫做估计器(estimator)的训练机制，而不是采用传统神经网络的。

有的话没说出来之前，你是他的主人，一旦说出来你就成了他的奴隶||想要干好事，别太把自己当人，别把别人太不当人||认识这个人就是开了一扇窗户，就能看到不一样的东西，听到不一样的声音，能让你思考、觉悟，这已经够了 1432

Kali Linux下John the Ripper实战：从识别yescrypt哈希到破解zip压缩包（保姆级避坑指南）

本文详细介绍了在Kali Linux中使用John the Ripper工具从识别yescrypt哈希到破解zip压缩包的全过程。针对常见的'No password hashes loaded'报错，提供了两种解决方案，并扩展讲解了哈希识别、zip文件破解及性能优化技巧，是安全测试人员的实用指南。

weixin_29323365的博客 236

动态刷新曲线_【GhPython应用】利用反射刷新Image sampler组件

weixin_42393829的博客 531

后 ResNet 时代:SENet 与 SKNet

https://zhuanlan.zhihu.com/p/60187262 caffe跑SENet框架 https://blog.youkuaiyun.com/u012273127/article/details/79891707 SENet-Caffe https://github.com/shicai/SENet-Caffe 轻量级模块SENet与SKNet详解 https://blog.c...

baidu_40840693的博客 837

数字信号的艺术演绎：用FPGA+DAC实现音乐合成器的核心原理

本文深入探讨了如何利用FPGA和DAC技术实现数字音乐合成器的核心原理，涵盖DDS架构、多波形合成、MIDI协议解析及动态包络控制等关键技术。通过详细的Verilog代码示例和硬件实现方案，展示了数字信号处理在音乐合成中的艺术演绎，为电子音乐创作提供了强大的硬件支持。

weixin_28256233的博客 389

SKNet解读

SKNet的全称是“Selective Kernel Network”,它和SENet都是一个团队提出来的，SENet是对通道执行注意力机制，而SKNet则是对卷积核执行注意力机制，即让网络自己选择合适的卷积核。论文地址 SKNet的核心模块如下图所示。在该模块中，作者使用了多分支卷积网络、组卷积、空洞卷积以及注意力机制。多分支卷积网络多分支卷积网络，如字面意思，含有多于一个分支的卷积网...

luxinfeng的博客 1万+

实战教程：用DETR+超分辨率搞定红外小目标检测（附完整代码）

本文提供了一套完整的红外小目标检测实战方案，通过融合EDSR超分辨率技术与改进型DETR深度学习算法，有效解决了红外图像中小目标检测的难题。文章详细介绍了从环境搭建、数据预处理、模型定制（如引入EMA注意力与S2特征层）到训练调优的全流程，并附有完整代码，旨在帮助开发者将前沿算法高效落地于安防、自动驾驶等实际场景。

weixin_29057163的博客 531

分位数映射数据后处理-Quantile Mapping后处理 (R语言)

统计后处理器基本上是统计模型，将观察到的关注变量与从气象或水文模型的直接模型输出（DMO）导出的适当预测变量相关联。统计后处理的重要性早已在气象预报中得到认可。早期的工作包括完善的预测(perfect prognosis)，模型输出统计（MOS）和模拟方法（analog method）等模型。近年来，已经提出了许多其他后处理方法，包括秩直方图校准（rank histogram calibrati...

水滴石穿，绳锯木断 1万+

SKNet学习和使用-pytorch

Selective Kernel Networks 论文：https://arxiv.org/abs/1903.06586?context=cs 代码：https://github.com/pppLang/SKNet 其灵感来源是，我们在看不同尺寸不同远近的物体时，视觉皮层神经元接受域大小是会根据刺激来进行调节的。那么对应于CNN网络，一般来说对于特定任务特定模型，卷积核大小是确定的，那么是...

zahidzqj的博客 6471

如果使用ssms连接SQLserver的时候出现无法连接到服务器。

如果使用ssms连接SQLserver的时候出现无法连接到服务器。 Lan 2020-03-29 22:11 329 人阅读 0 条评论标题: 连接到服务器------------------------------无法连接到...

Vastsa的博客 1万+

SENet系列之SKNet

一顿火锅，足以忘却暂时的不愉快。闲谈现在感觉每天都有新的东西需要学习，今天学习这个，明天学习那个。我觉得这样非常不好，学习什么都是在表面游走，不会有一个好的成果。具体怎么解决这个问题，我还不是很清楚，有建议的小伙伴欢迎留言交流啊????。前言 SENet: Paper: https://arxiv.org/abs/1709.01507 Code: https://github.com/hujie-frank/SENet SKNet: Paper: https://arxiv.org/abs/1903.

wuli_xin的博客 3200

手把手教你学Simulink--基于Simulink的高增益DC-DC变换器仿真建模

特点高电压增益：可以在不使用变压器的情况下实现较大的电压升压比。适用于低电压源：如太阳能电池板、燃料电池等提供的低压直流电源。效率问题：设计时需特别注意提高效率，减少能量损失。挑战电路复杂性：通常涉及多个电感和电容，以及复杂的开关模式。元件选择：合适的元件参数对于达到理想性能至关重要。控制策略：确保高效稳定运行的同时，适应负载变化。首先明确要模拟的任务内容。实现特定的电压增益比（例如从24V升至380V）。根据预期的输入输出电压确定合适的电路拓扑和元件值。

MHD0815的博客 173

SIMATIC S7-1200, S7-1500 PID 控制[手册]

【Deep Learning】SKNet : Selective Kernel Networks 学习

1. SKNet 论文思维导图该思维导图使用 MindMaster 软件做出，源文件可以点击链接进行下载。 2. Selective kernel 结构介绍本节主要介绍这篇论文的核心部分，即 Selective kernel 的相关内容上图给出的是 Selective Kernel Convolution 的示意图，可以看出，此结构主要由三个部分组成，即： Split： ...

Damu 3708

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

探索SKNet：一款高效、灵活的深度学习网络库

探索SKNet：一款高效、灵活的深度学习网络库项目简介是一个基于PyTorch框架的深度学习网络库，由InPlus Lab开源。该项目旨在提供一种新的卷积神经网络（CNN）结构，即Selective Kernel Networks (SKNets)，以实现更高效的特征学习和模型优化。通过动态调整不同通道的卷积核大小，SKNets在保持模型性能的同时降低了计算复杂度。技术分析 SKNet的核心...

gitblog_00089的博客 659

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

SKnet

SKNET 那些在同一层中具有多尺度信息的模型，如InceptionNets，有一个内在的机制，可以根据输入的内容调整下一个卷积层中神经元的RF大小，因为下一个卷积层会线性地聚合来自不同分支的多尺度信息。但这种线性聚合方式可能不足以为神经元提供强大的适应能力。在本文中，我们提出了一种非线性方法来聚合来自多个kernels 的信息，以实现神经元的自适应RF大小。我们介绍了一种 “选择性内核”（Selective Kernel）卷积，它由三个运算符组成：Split、Fuse和Select。Split算子产生的

weixin_37958272的博客 674

SKnet，Inception思想的延续，以及SEnet的进化

前言自13年以后出现的inception体系的网络，其主要的目的是认为识别物体所占图像的占比不同，所适合的卷积核大小不同，如下图所示，这是经典的inception V1的结构，其主要采用了大小为3，5，1的卷积核，但是这种做法也有一些粗暴，因为在设计网络的时候，不同卷积核的通道数是固定的，很难适应多种算法。那么能否有一种网络模块，帮助我们针对于目标物不同占比的图像，选用不同的卷积核，答案是有的，2019CVPR的SKnet就是来解决这种问题的。 SKnet的基本结构如图所示，主要分为三个部分，分离，

qq_43534932的博客 924

【SKNet】《Selective Kernel Networks》

CVPR-2019 文章目录1 Background and Motivation2 Advantages / Contributions3 Method4 Experiments4.1 Datasets5 Conclusion（own） 1 Background and Motivation 来自：cs231n课件链接人类视皮质神经元的感受野是随着刺激的不同而变化的，然而 CNN...

bryant_meng 1285

【论文】SENet和SKNet

目录： SENet SKNet 提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、SENet1.原理2.代码二、SKNet1.原理2.代码总结前言 SENet和SKNet很像，均为attention相关网络结构一、SENet SENet: Squeeze-and-Excitation Network 涉及领域：attention、resnet 解决：通过学习不同通道的重要程度来提升有用的特征，抑制无用的特征。论文官方代码 pytorch代码讲解文章 1.原理

joyce_peng的博客 1280

上一篇： VS code设置anaconda的python路径并忽略pylint警告

下一篇： linux-Ubuntu 16.04 LTS重启后分辨率降低问题解决

【论文解读】SKNet网络（自适应调整感受野尺寸）

weixin_39592328的博客

08-30

4850